基于改进萤火虫算法的高光谱遥感多特征优化方法

doi:10.11873/j.issn.1004-0323.2018.1.0110

遥感技术与应用

数据与图像处理

基于改进萤火虫算法的高光谱遥感多特征优化方法

刘慧珺，苏红军，赵-波

(河海大学地球科学与工程学院，江苏南京 211100)

Hyperspectral Multiple Features Optimization Using Improved Firefly Algorithm

Liu Huijun，Su Hongjun，Zhao Bo

(School of Earth Sciences and Engineering，Hohai University，Nanjing 211100，China)

全文: PDF(8146 KB)

摘要：

目前，高光谱遥感影像分类时光谱信息使用较多，难以充分挖掘空间信息。针对该问题，提出一种基于改进萤火虫算法(Firefly Algorithm，FA)的高光谱遥感多特征优化方法。首先提取高光谱遥感影像的4种空间特征：局部统计特征、灰度共生矩阵特征、Gabor特征和形态学特征，并与波段选择的部分光谱波段组合，构建多特征集合；然后利用萤火虫算法对提取的多特征集合进行优化和特征选择，针对萤火虫算法收敛速度较慢问题，借鉴粒子群优化算法，引入随机惯性权重改进了萤火虫算法的位置更新公式；目标函数采用JM距离(Jeffreys-Matusita Distance)和Fisher Ratio。利用两组城市高光谱遥感数据进行了土地覆被分类研究，并将仅利用原始光谱信息进行波段选择的分类结果与利用多特征信息的分类结果进行了对比分析。实验表明：随机惯性权重可以提高FA特征选择的速度，且优化后的光谱与空间信息特征有助于提高城市土地覆被分类的精度，两组实验数据的特征优选结果统计均表明空间特征中的形态学特征被选择次数最多，局部统计特征和形态学特征相对于GLCM特征和Gabor特征更有助于高光谱遥感图像的分类。

关键词： 高光谱遥感; 多特征优化; 特征选择; 萤火虫算法

Abstract: The utilization of hyperspectral remote sensing image is mainly based on the spectral information，and the spatial information is always be ignored.To solve this problem，a novel hyperspectral multiple features optimization approach based on improved firefly algorithm is presented.Firstly，four spatial features，the local statistical features，gray level co-occurrence matrix features，Gabor filtering features and morphological features of hyperspectral remote sensing image are extracted，and some spectral bands are selected and then combined with these spatial features，and the feature set is constructed.Then，the firefly algorithm is used to optimize the extracted features.In view of the slow convergence speed of firefly algorithm，we use the random inertia weight from particle swarm optimization algorithm to modifiy the location update formula of firefly algorithm，and JM(Jeffreys-Matusita)distance and Fisher Ratio are used as the objective function.Two urban hyperspectral datasets are used for performance evaluation，and the classification results derived from spectral information and spectral-spatial information are compared.The experiments show that random inertia weight can improve the speed of FA-based feature selection algorithm，the performance with multiple features is better than that of spectral information for urban land cover classification，The statistical results of the two sets of experimental data indicate that the selected number of morphological features are the most in the four spatial features.The local statistical features and morphological features are more helpful to the classification of hyperspectral remote sensing images than GLCM and Gabor features.

Key words: Hyperspectral remote sensing Multiple features optimization Feature selection Firefly algorithm

收稿日期: 2017-03-27 出版日期: 2018-03-16

TP 751

基金资助: 国家自然科学基金项目“高光谱遥感影像多特征优化模型与协同表示分类”(41571325)，江苏高校“青蓝工程”资助。

作者简介: 刘慧珺(1993-)，女，安徽安庆人，硕士研究生，主要从事高光谱遥感特征选择研究。E-mail:liuhuijunaaa@163.com。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	刘慧珺
	苏红军
	赵-波

引用本文:

刘慧珺，苏红军，赵-波. 基于改进萤火虫算法的高光谱遥感多特征优化方法[J]. 遥感技术与应用, 10.11873/j.issn.1004-0323.2018.1.0110.

Liu Huijun，Su Hongjun，Zhao Bo. Hyperspectral Multiple Features Optimization Using Improved Firefly Algorithm. Remote Sensing Technology and Application, 10.11873/j.issn.1004-0323.2018.1.0110.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2018.1.0110 或 http://www.rsta.ac.cn/CN/Y2018/V33/I1/110

[1]	秦振涛，杨茹，张靖，杨武年. 基于聚类结构自适应稀疏表示的高光谱遥感图像修复研究[J]. 遥感技术与应用, 2018, 33(2): 212-215.
[2]	郭宇柏，卓莉，陶海燕，曹晶晶，王芳. 基于空谱初始化的非负矩阵光谱混合像元盲分解[J]. 遥感技术与应用, 2018, 33(2): 216-226.
[3]	吴兴，张霞，孙雪剑，张立福，戚文超. SPARK卫星高光谱数据辐射质量评价[J]. 遥感技术与应用, 2018, 33(2): 233-240.
[4]	唐超,邵龙义. 高光谱遥感地物目标识别算法及其在岩性特征提取中的应用[J]. 遥感技术与应用, 2017, 32(4): 691-697.
[5]	苏红军，赵波. 基于共形几何代数的高光谱遥感波段选择方法[J]. 遥感技术与应用, 2017, 32(3): 539-545.
[6]	史飞飞,高小红，杨灵玉，何林华，贾伟. 基于HJ-1A高光谱遥感数据的湟水流域典型农作物分类研究[J]. 遥感技术与应用, 2017, 32(2): 206-217.
[7]	朱济帅,尹作霞,谭琨,王雪,李二珠,杜培军. 基于空间邻域信息的高光谱遥感影像半监督协同训练[J]. 遥感技术与应用, 2016, 31(6): 1122-1130.
[8]	张霞,戚文超,孙伟超. 基于数学形态滤波的植被光谱去噪方法研究[J]. 遥感技术与应用, 2016, 31(5): 846-854.
[9]	王茂芝,徐文皙,王璐,郭科. 高光谱遥感影像端元提取算法研究进展及分类[J]. 遥感技术与应用, 2015, 30(4): 616-625.
[10]	贺军亮,张淑媛,查勇,蒋建军. 高光谱遥感反演土壤重金属含量研究进展[J]. 遥感技术与应用, 2015, 30(3): 407-412.
[11]	李茜楠,苏红军. 基于萤火虫算法的高光谱遥感波段选择方法[J]. 遥感技术与应用, 2014, 29(5): 761-770.
[12]	钱进,罗鼎. 基于成对约束半监督降维的高光谱遥感影像特征提取[J]. 遥感技术与应用, 2014, 29(4): 681-688.
[13]	周子勇. 高光谱遥感油气勘探进展[J]. 遥感技术与应用, 2014, 29(2): 352-36.
[14]	吴健生,林倩,李卫锋,刘建政,彭建. 基于特征选择的土地整理地物识别规则的动态提取[J]. 遥感技术与应用, 2013, 28(5): 799-806.
[15]	吕晓凯,李传荣,马灵玲,苑馨方,李晓辉. 一种基于物理机理的高光谱遥感图像真彩色校正模型[J]. 遥感技术与应用, 2013, 28(3): 467-473.

Viewed

Full text

Abstract

Cited

Shared

Discussed